pgalko/BambooAI

解決的問題

BambooAI 是一款由 LLM 驅動的數據分析師，專為需要透明、可重現且可驗證數據分析的專業人士而設計。與標準聊天界面不同，它作為一個結構化的分析師運行，在持久化核心中編寫並執行 Python 代碼，確保每個最終結果在報告給用戶之前，都會在一個全新的環境中重新執行並驗證。

工作原理

該系統通過一系列「回合」運作，分析師模型讀取當前狀態（問題、數據集和之前的單元格輸出），並採取特定行動，例如運行 Python 單元格、搜索網絡或請求更多信息。

關鍵技術機制包括：

• 帶檢查點的持久化核心：分析在 Python 核心中進行，每個單元格都是一個檢查點；失敗的單元格會被回滾以保持命名空間的乾淨。
• 驗證循環：報告生成後，系統會將引用的單元格組裝成腳本，並在一個全新的核心中運行，以驗證報告中的數字是否可重現。
• 多席位架構：根據所需的推理工作量或成本，將不同的角色（分析師、審閱者、重寫者、知識蒸餾器）分配給不同的模型。
• 隔離執行：默認情況下，模型生成的代碼在 Docker 容器內運行，以確保安全並與主機隔離。
• 內存包 (Memory Packs)：系統將關於特定數據集的經驗教訓提煉成內存包，供未來分析相同數據時使用。

目標用戶

它專為數據分析師和研究人員構建，他們需要一個分步式的筆記本風格工作流程，其中中間結果可見，且最終數字經過嚴格檢查。

亮點

• 可重現性：自動在全新核心中重新運行引用的代碼，以驗證報告數據。
• 靈活的執行模式：提供快速、深度和自適應模式（後者具有由更強模型進行的定期自我審查功能）。
• 廣泛的模型支持：兼容包括 OpenAI、Anthropic、Google、Groq、Mistral、xAI、DeepSeek 在內的十個提供商，以及通過 Ollama 和 vLLM 實現的本地選項。
• 集成數據源：原生支持 CSV、Parquet、JSON、XLSX，以及針對運動科學數據（Intervals.icu、Endura、SweatStack）的專門集成。
• 網絡基礎 (Web Grounding)：使用 Gemini 進行網絡搜索，將內部數據與已發布的數據進行比較。